2022 年雑感

本業

MLOps 基盤を提供するベンダー側の社員として MLOps と向き合った 1 年だったかなと思います。

2 月に同僚と協力して、Microsoft の MLOps Maturity Model をベースに当時の Azure Machine Learning でどのように MLOps を実装するかについて論じた以下資料を一般公開しました。

https://speakerdeck.com/shisyu_gaku/external-20220202-kurasukai-cui-azure-machine-learningwozhong-xin-tositamsfalsemlopssoriyusiyonfalsegai-yao-toakitekutiya

思ったよりも大き目の反響を得ました。世間的にもニーズが高まっていることを認識しました。

公開しました
Azure Machine Learning を中心に、 MLOps を段階的に実現していく「MLOps 成熟度モデル」を踏まえたアーキテクチャ例を載せていますhttps://t.co/5c5DpzWYIi

— イトー (@ep_ito) February 16, 2022

以下記事の執筆にも少しばかり関わりました。（筆頭著者は女部田/keonabut さんです）

MLOps Maturity Model with Azure Machine Learning - Microsoft Community Hub

 

https://techcommunity.microsoft.com/t5/ai-machine-learning-blog/mlops-maturity-model-with-azure-machine-learning/ba-p/3520625

その前後でこちらのイベントに関与して、 MLOps を広める活動に参加しました。

[抽選制] ハンズオンでMLOpsを完全理解！OpenHack for MLOps - connpass

## 大好評につき機械学習オペレーション（MLOps）に特化したOpenHack（半日版）実施決定！是非皆様ご参加ください！ 「OpenHack」シリーズは、実際の開発環境を使いハンズオン形式で進められる課題解決型のハッカソンイベントです。マイクロソフト社内の開発者が協力し、マイクロソフトのプラットフォームの機能とIT業界の最先端技術を使い、実際のビジネスシーンで直面することが想定される技術課題を解決していきます。今回の「OpenHack for MLOps」では、機械学習モデルを継続的にデプロイし、本番環境で維持するという、AI アプリケーションを運用する企業にとって共通の課題を解決...

https://dllab.connpass.com/event/246098/

少し時間は巻き戻り 5 月末ごろ、Azure Machine Learning が大幅にアップデートされたことで、MLOps を実装するためにどうにもイケていなかった部分が大幅に改善しました。詳しくは以下記事を参照していただければと思います。

MLOps のための Azure Machine Learning CLI v2 / SDK v2 - ShuntaIto Tech Blog

https://blog.shuit.dev/posts/azureml-cliv2-and-sdkv2-for-mlops

この Azure Machine Learning アップデートにより、2 月に公開していた Step by Step MLOps の資料を大幅にアップデートする必要が生じました。同時に機械学習のテストなど疑問を感じて調べていたことをアウトプットする必要を感じたこともあり、同僚の小川さんと共に以下新バージョンを公開しました。

ML のテスト、MLflow の活用、Azure における Feature Store など、要素技術にもかなり踏み込んで調べ上げたことで、MLOps の解像度が上がった感覚を覚えました。

Step-by-Step MLOps and Microsoft Products - Speaker Deck

▼こちらのMLOps資料のv1.1版となります。 https://speakerdeck.com/shisyu_gaku/external-20220202-kurasukai-cui-azure-machine-learningwozhong-xin-tositamsfalsemlopssoriyusiyonfalsegai-yao-toakitekutiya 全く MLOps が無い状態から徐々にステップアップする場合に具体的にどんなアーキテクチャで Azure Machine Learning やその他サービスのどの機能を使用して実装を進めていくか整理した資料を大幅に更新しました。 ▼更新情報 ・2022年5月末(主にMSBuild)にて 一般提供(GA)を開始した Azure ML v2 ベースの実装・機能紹介スライドへの変更 ・トラフィックのミラーリングなど新しい Azure ML 機能の情報追加 ・Feature Store 、MLflow、SWE 側から輸入した知見、機械学習モデルのテスト等のより詳細な技術情報を追加

https://speakerdeck.com/shisyu_gaku/step-by-step-mlops-and-microsoft-products

反響はやや大きくなり、ML をいかに運用し活用していくかというところに興味を持つ人がわずか半年の間に随分と増えたなと感じました。

MLOps 成熟度モデルに基づく MLOps のアーキテクチャ　+ 5月に正式に登場した Azure ML v2 を活用した実装の一例 + モデルに対するテストや Feature Store、Azure ML v2 以降統合が加速している MLflow 等のてんこ盛り資料を公開しました#MLOps #Azure https://t.co/VTJHvunoAt

— イトー (@ep_ito) August 5, 2022

副業

DevOps の 1 年でした。

オンラインカウンセリングプラットフォームアプリ、Omamori が public β になり、サービスインしました。同僚に感謝。

Omamori

https://app.omamori.care/

Omamori

https://csl.omamori.care/

僕個人としては、ソフトウェアアーキテクチャの実装を実践したりテストをゴリゴリ書いたり、ソフトウェアエンジニアとしての腕を磨くことが出来たかなと思っています。IaC のコード書いたり React 書いたり Node.js でバックエンド書いたり、ほぼ全領域触っていた気がします。

クリーンアーキテクチャ導入、ユニットテスト実装、モノレポ化、Github Flow の導入、GraphQL Code Generator の導入など、いくつかの施策により本番環境に対するデプロイ頻度がおおよそ 20 倍程度 (瞬間的には 50 倍程度) になったことは印象的でした。

引き続きエンジニアリング能力を磨き上げ、顧客に喜ばれるサービスを作っていきたいと思います。

まとめ

MLOps の本業、DevOps の副業という感じでした。本業と副業の間のシナジーはかなり大きく、今年の経験はそれなりに満足いくものでした。

一方で両方ともまだまだ黎明の取り組みばかりですので、来年はこれらをステップアップさせる年にしたいと考えています。

それではよいお年を。